基于融合深度学习的发电设备异常预测与自适应维护系统

本发明涉及深度学习技术领域，具体为基于融合深度学习的发电设备异常预测与自适应维护系统。系统首先通过多模态采集单元获取多模态局部数据和多模态全局数据；通过第一神经网络处理单元将多模态局部数据输入至基于知识嵌入的混合神经网络模型，得到设备异常局部预测值；通过第二神经网络处理单元将多模态全局数据输入至基于跨模态注意力的编码器‑解码器网络，得到设备异常全局预测值；通过强化学习处理单元利用强化学习模型对维护策略进行优化，并使用遗传算法对强化学习模型进行超参数优化；实现模型的可解释性；最终，输出单元提供综合异常预测结果及由强化学习和遗传算法优化得到的更新维护策略以提高异常预测与维护的有效性。